Od Johna Lutze Boormana, vedoucího produktu a marketingu, Hanwha Vision Europe
V posledních letech se vývoj a přijetí technologie AI urychlilo nebývalým tempem a ovlivňuje různé průmyslové odvětví. Samozřejmě, jiskra inovace poskytnutá AI je již součástí sektoru videodohledu. Hanwha Vision však předpovídá, že rok 2026 bude zásadním bodem zlomu pro AI.
Předpokládáme, že AI překročí jednoduché přijetí a stane se základním základem celého průmyslu – vznik takzvaných ‚Autonomních AI agentů' přeformuluje strukturu a operace systémů videodohledu.
Abychom vyhověli této vlně změn, Hanwha Vision identifikovala pět klíčových trendů, na které se musí průmysl zaměřit. Tyto trendy signalizují budoucnost, kde AI slouží jako jádrové jádro, které zvyšuje videodohled dále od monitorování k poskytování stěžejních pilířů provozní efektivity a udržitelnosti.
1: Důvěryhodná AI: Kvalita dat a odpovědné použití
Jak se analýza AI stává všudypřítomnou, princip „Garbage In, Garbage Out" bude kritický ve videodohledu. Vizuální šum a zkreslení způsobené náročnými prostředími – jako je slabé světlo, protisvětlo nebo mlha – jsou hlavními příčinami falešných poplachů odvozených od AI. V roce 2026 se vytvoření ‚Důvěryhodného datového prostředí' k řešení těchto problémů stane nejvyšší prioritou průmyslu.
S výkonem motorů pro analýzu AI se zvyšuje na celé škále, zaměření investic se přesouvá k zajištění vysoce kvalitních videodat, která AI může interpretovat bez chyb.
Příkladem toho je minimalizace šumu a zkreslení v extrémních prostředích pomocí AI-based high-performance ISP (Image Signal Processing) technologie a použití větších senzorů. AI-based ISP využívá hluboké učení k rozlišení mezi objekty a šumem, efektivně eliminuje šum a optimalizuje detaily objektů k poskytnutí dat v reálném čase nejvhodnějších pro analýzu AI. Větší obrazové senzory zachytávají více světla, což základně potlačuje generování videa šumu, začínaje podmínkami slabého světla.
Paralelně, jak se etické použití AI stává hlavním problémem, povinné přijetí systémů řízení AI se blíží. AI EU používá rizikovou klasifikaci systémů AI nasazených na veřejných místech a ukládá výrobcům právní povinnost zajistit transparentnost v AI od fáze návrhu, a to může pouze urychlit snahu průmyslu o vytvoření skutečně důvěryhodné AI.
Kamery Hanwha Vision 2. generace P series AI mají dvojitý design NPU, čipset Wisenet 9 s vylepšením obrazu na bázi AI a velký 1/1,2″ senzor, který zaručuje krystalicky čisté obrazy optimalizované pro analýzu AI i v nejnáročnějších prostředích.
Aby zvýšila svou pověst pro důvěryhodnou AI, plánuje Hanwha Vision v roce 2026 vylepšit svou aplikaci WiseAI, využívající své schopnosti v získávání důvěryhodných dat. Funkce Auto Calibration určí informace o vzdálenosti scény pro zvýšení spolehlivosti dat a nové funkce událostí AI budou analyzovat abnormální chování, jako je boj a pád. Tyto budou zahrnuty v našich produktech pro rok 2026.
2: Partnerství AI Agent – Od nástroje k týmovému hráči
Jak se AI vyvíjí z jednoduché detekce na agenta schopného analyzovat složité scény a navrhovat počáteční reakce, role operátora se zásadně změní. Lidé delegují opakující se úkoly dohledu na AI Agenty, čímž se osvobodí pro kritičtější, vysoce úrovňovou činnost.
Zatímco předchozí systémy AI ve videodohledu pouze snižovaly zátěž operátora automatizací opakujících se úkolů, jako je vyhledávání objektů, sledování a generování poplachů, AI Agent bude schopen jít ještě dál. Bude autonomně provádět složitou situční analýzu, automaticky provést počáteční reakci a doporučit operátorovi sledování nejefektivnější následné akce.
Například AI Agent může samostatně posoudit narušení, zahájit předběžné kroky, jako je spuštění poplachu, a poté navrhnout operátorovi možnosti konečného rozhodnutí (například zda volat policii). Současně může automaticky generovat komplexní zprávu detailující reálné video z oblasti narušení, přístupové záznamy, protokol o počátečních akcích AI a navrhované optimální strategie reakce.
Operátoři se stanou více jako velitelé, kteří činí konečná rozhodnutí, která vyžadují nuancovaný úsudek, složitou analýzu a zvážení právních a kontextových důsledků. Budou také zastávat roli manažera řízení AI, transparentně sledujícího a dohlížejícího na všechny autonomní akce a procesy uvažování prováděné AI Agentem. Tato zásadní funkce, která brání zneužití systému, vyžaduje významné zvýšení dovedností operátora sledování.
3: Řízení udržitelné bezpečnosti
Explozivní růst generativní AI zvyšuje poptávku po energii. Podle Mezinárodní energetické agentury (IEA) se spotřeba energie datovými centry více než zdvojnásobí do roku 2030 podle základního scénáře – kvůli poptávce po AI.
Průmysl videodohledu již nemůže prioritizovat výkon bez omezení, protože čelí dvojité výzvě rostoucích dat videa vysokého rozlišení a výpočetní zátěže AI na okraji. Jako taková se ‚udržitelná bezpečnost', která prioritizuje provozní dlouhověkost a minimalizuje environmentální dopad, stává klíčovou kompetencí pro dosažení snížení TCO (Total Cost of Ownership) a splnění cílů ESG.
K realizaci udržitelné bezpečnosti se průmysl přesouvá k vývoji nízkoenergetických čipsetů AI, které drasticky snižují spotřebu energie – při zachování vysoce kvalitního zobrazení a výkonu zpracování AI. Také prioritizuje technologie, které zajišťují efektivitu dat přímo na zařízení na okraji (kamera).
Například technologie Hanwha Vision AI-based WiseStream maximalizuje efektivitu správy videodat, což přispívá ke snížení spotřeby energie. Dělá to tím, že inteligentně odděluje oblasti zájmu od nezajímavých v rámci scény a přizpůsobuje podle toho kompresní poměr. To maximalizuje efektivitu datového provozu a zároveň bezpečně uchovává veškeré potřebné informace. Navíc kamery vybavené Wisenet 9 mají vylepšenou základní efektivitu přenosu dat, protože znovu používají obrázky ze statických oblastí.
4: Chytré prostory poháněné video inteligencí
Jak se AI integruje do kamer a jsou dosaženy pokroky v technologii cloudu pro zpracování dat ve velkém měřítku, koncept ‚Sentient Space' – prostoru, který může cítit a rozumět – se stává realitou.
To znamená, že videodohled se rozšiřuje za jednoduché monitorování a stává se základním zdrojem dat pro technologii ‚Digital Twin', která odráží fyzické prostředí v reálném čase. Digitální dvojče je virtuální replika skutečného fyzického aktiva vytvořená v počítačovém virtuálním prostředí.
V současnosti se informace AI (metadata) extrahované kamerami AI již používají jako obchodní inteligence pro optimalizaci operací v odvětvích, jako jsou chytrá města, maloobchod a pokročilá výroba. Do budoucna budou tato metadata sloučena s různými informacemi z zařízení pro kontrolu přístupu, senzorů IoT a environmentálních senzorů, aby bylo dokončeno sjednocené, inteligentní prostředí Digital Twin.
Toto prostředí Digital Twin převratí zážitek z monitorování. Místo složitých, fragmentovaných obrazovek získají operátoři celkový pohled na vztahy událostí na rozhraní založeném na mapě, které integruje VMS (Video Management System) a systémy kontroly přístupu. V tomto dokonale zrcadleném digitálním prostoru se videosystém nakonec vyvine do autonomního inteligentního prostoru, který hluboce rozumí situacím a samostatně řídí a řeší problémy.
Přidání nejnovější technologie AI by mohlo poskytnout manažerům bezpečnosti nebo operátorům větší kontrolu nad provozem systému. Například AI může okamžitě pochopit otázky přirozeného jazyka, jako je „Najděte osobu, která vstoupila do serverové místnosti po 22:00 včera večer," a automaticky analyzovat přístupové a video záznamy a hlásit výsledky. To znamená skutečné situční povědomí, které může jít daleko za základní složité vyhledávací parametry.
5: Hybridní architektura: Distribuovaná síla
Rostoucí náklady na přenos videodat vysokého rozlišení, spolu s otázkami datové suverenity a regulace, představují výzvy pro čistě cloudové systémy. Jako taková se ‚Hybridní architektura', která zachovává výhody cloudu a zároveň zmírňuje provozní zátěž, rychle etabluje jako optimální řešení pro sektor videodohledu.
Hybridní architektura poskytuje uživatelům konečnou kontrolu a flexibilitu nad provozem systému. Protože umožňuje nasazení systémových funkcí na nejefektivnější místo na základě obchodních potřeb organizace, rozpočtu a právního/regulačního prostředí, stane se klíčovou strategií pro maximalizaci TCO.
Z hlediska videodohledu hybridní architektura maximalizuje efektivitu tím, že flexibilně distribuuje funkce mezi prostředí na místě a v cloudu. Prostředí na místě může hostit funkce pro reálné monitorování a kritické funkce, které musí splňovat předpisy pro krátkodobé ukládání a uchovávání videa. Funkce spojené s místním zpracováním a kontrolou vysoce citlivých dat jsou také umístěny na místě, aby posílily kontrolu datové bezpečnosti a zajistily okamžité reakční schopnosti na místě.
Mezitím se cloudové prostředí využívá pro funkce, jako je vzdálené centralizované řízení, analýza dat v velkém měřítku, hluboké učení pro modely AI a dlouhodobé archivování. Použití cloudu tímto způsobem zajišťuje škálovatelnost systému a snadnou operaci.
Mimo jednoduché oddělení infrastruktury tato architektura také podporuje optimální distribuovanou výpočetní strukturu nezbytnou pro úspěšný provoz systémů videodohledu založených na analýze AI.
V této struktuře zařízení na okraji (kamera/NVR) zvládají první vrstvu výpočtu, provádějí detekci v reálném čase a přenášejí pouze nezbytná data do cloudu. To snižuje zátěž šířky pásma sítě, maximalizuje rychlost a efektivitu úložiště. Poté cloudové prostředí (centrální server) provádí druhou vrstvu hluboké analýzy a velkého strojového učení na základě filtrovaných dat z okraje, což výrazně zvyšuje přesnost a sofistikovanost funkcí AI.
V roce 2026 věřím, že AI bude pevně zavedena jako nový standard pro bezpečnostní infrastrukturu. Abychom toho dosáhli, Hanwha Vision poskytne uživatelů